La integración MCP de Claude le permite conectar fuentes de datos externas directamente a sus conversaciones y flujos de trabajo. Para tareas de investigación, agregar un servidor MCP de búsqueda web significa que Claude puede consultar SERP en vivo, extraer datos de páginas y sintetizar hallazgos sin que usted copie y pegue las URL. Este tutorial muestra cómo configurar el servidor Scavio MCP para Claude, configurar instrucciones de flujo de trabajo de investigación y crear patrones de investigación reutilizables. Tendrá una configuración de Claude que puede ejecutar investigaciones de varios pasos con datos web en vivo bajo demanda.
Requisitos previos
- Claude Desktop o Claude Code instalado
- Una clave API de Scavio de scavio.dev
- Familiaridad básica con la configuración de MCP
Guia paso a paso
Paso 1: Configurar el servidor MCP
Agregue el servidor Scavio MCP a su archivo de configuración de Claude.
# Add to your Claude MCP configuration:
# Claude Desktop: ~/Library/Application Support/Claude/claude_desktop_config.json
# Claude Code: .mcp.json in project root
#
# {
# "mcpServers": {
# "scavio": {
# "url": "https://mcp.scavio.dev/mcp",
# "headers": {
# "x-api-key": "YOUR_SCAVIO_API_KEY"
# }
# }
# }
# }Paso 2: Pruebe la conexión
Verifique que Claude pueda acceder a la herramienta de búsqueda ejecutando una consulta simple.
# In Claude, ask:
# "Use the scavio search tool to find the latest
# information about MCP server architecture"
#
# Claude should call the search tool and return
# structured results from the webPaso 3: Construir un flujo de trabajo de investigación
Cree un patrón de investigación que Claude siga para investigaciones de varios pasos.
# Research workflow instructions (save as a skill or system prompt):
# When asked to research a topic:
# 1. Search for the main topic to get an overview
# 2. Identify 3 key subtopics from the results
# 3. Search each subtopic for deeper details
# 4. Extract key findings from PAA questions
# 5. Synthesize a report with sourcesPaso 4: Verificar con llamada API directa
Pruebe la API de búsqueda directamente para asegurarse de que devuelva los datos que espera.
import os, requests
API_KEY = os.environ["SCAVIO_API_KEY"]
resp = requests.post("https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": "google", "query": "MCP server architecture best practices"})
data = resp.json()
for r in data.get("organic_results", [])[:3]:
print(f"{r['title']}")
print(f" {r.get('snippet','')[:100]}")Ejemplo en Python
import os, requests
API_KEY = os.environ["SCAVIO_API_KEY"]
def research(topic):
resp = requests.post("https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": "google", "query": topic})
d = resp.json()
return {"results": d.get("organic_results",[])[:5],
"questions": [q.get("question","") for q in d.get("people_also_ask",[])]}
r = research("MCP server architecture")
for q in r["questions"]: print(f"Q: {q}")Ejemplo en JavaScript
const H = {"x-api-key": process.env.SCAVIO_API_KEY, "Content-Type": "application/json"};
async function research(topic) {
const r = await fetch("https://api.scavio.dev/api/v1/search", {
method: "POST", headers: H,
body: JSON.stringify({platform: "google", query: topic})
});
const d = await r.json();
return {results: (d.organic_results||[]).slice(0,5),
questions: (d.people_also_ask||[]).map(q=>q.question)};
}
research("MCP server architecture").then(r =>
r.questions.forEach(q => console.log("Q:", q))
);Salida esperada
A Claude MCP configuration with web search access that enables multi-step research workflows with live SERP data, source citations, and PAA analysis.